大数据分析方法

图书标准信息

• 作者 [美]米歇尔·钱伯斯（Michele Chambers） 著
• 出版社 机械工业出版社
• 出版时间 2016-08
• 版次 1
• ISBN 9787111537311
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 269页
• 字数 254千字

【内容简介】

　　本书全面介绍了针对大数据的分析方法。本书内容全面、前沿，可帮助读者针对当前的组织需求和分析能力找到合适的技术和方式来进行合理的分析。本书循序渐进的讲授方式，帮助读者制定能支持其企业需求的实现分析功能的路线图，同时兼顾企业文化及客户和企业相关利益群体的需求。

【目录】

译者序 

推荐序 

致　谢 

第1章　现代分析基本原则1 

1.1实现商业价值和影响3 

1.2专注于最后一英里4 

1.3持续改善6 

1.4加速学习能力和执行力7 

1.5差异化分析7 

1.6嵌入分析8 

1.7建立现代分析架构9 

1.8构建人力因素10 

1.9利用消费化趋势10 

1.10总结11 

第2章　商业3.0时代来临13 

第3章　为什么需要一个独特的分析路线图17 

3.1概述17 

3.2业务领域 18 

3.3数据19 

3.4方法19 

3.5精准20 

3.6算法20 

3.7嵌入20 

3.8速度21 

3.9总结21 

第4章　分析让商业决策百尺竿头更进一步22 

4.1概述22 

4.2案例研究23 

4.3总结46 

第5章　构建分析路线图50 

5.1概述50 

5.2第一步：确定关键业务目标50 

5.3第二步：定义价值链51 

5.4第三步：头脑风暴分析解决方案机会53 

5.5第四步：描述分析解决 

 方案机会57 

5.6第五步：创建决策模型59 

5.7第六步：评估分析解决方案机会61 

5.8第七步：建立分析路线图65 

5.9第八步：不断演进分析路线图67 

5.10总结68 

第6章　分析应用69 

6.1概述69 

6.2战略分析70 

6.3管理分析74 

6.4运营分析76 

6.5科学分析79 

6.6面向客户的分析80 

6.7总结82 

第7章　用例分析84 

7.1概述84 

7.2预测86 

7.3解释89 

7.4预报90 

7.5发现91 

7.6模拟96 

7.7优化97 

7.8总结97 

第8章　预测分析方法论98 

8.1概述：现代分析方法98 

8.2定义业务需求101 

8.3建立分析数据集107 

8.4建立预测模型111 

8.5部署预测模型118 

8.6总结122 

第9章　预测分析技术123 

9.1概述123 

9.2统计和机器学习124 

9.3大数据的影响125 

9.4有监督和无监督学习127 

9.5线性模型和线性回归136 

9.6广义线性模型140 

9.7广义相加模型141 

9.8逻辑回归142 

9.9强化回归144 

9.10生存分析146 

9.11决策树学习147 

9.12贝叶斯方法150 

9.13神经网络和深度学习151 

9.14支持向量机155 

9.15集成学习156 

9.16自动化学习158 

9.17总结163 

第10章　最终用户分析164 

10.1概述164 

10.2用户角色165 

10.3分析编程语言169 

10.4业务用户工具178 

10.5总结189 

第11章　分析平台190 

11.1概述190 

11.2　分布式分析191 

11.3预测分析架构195 

11.4现代SQL平台209 

11.5总结220 

第12章　吸引分析天才并留住他们222 

12.1概述222 

12.2文化223 

12.3数据科学家角色227 

12.4总结244 

第13章　组织分析团队245 

13.1概述245 

13.2集中式分析团队与分散式分析团队245 

13.3卓越中心249 

13.4首席数据官与首席分析官250 

13.5实验室团队252 

13.6分析项目办公室252 

13.7总结253 

第14章　你还在等什么？赶快开始吧254 

附录A　无监督学习：无监督式神经网络257